表面肌电信号记录了肌肉的电信号,是在体表无创检测肌肉活动的重要方法,常用于智能假肢控制、康复训练和评估,以及人机交互等领域。如今,肌电采集系统存在处理时间长、存储容量不够和功耗高的问题,因此,基于压缩感知的表面肌电信号采集与重构的研究,对于降低肌电采集系统的功耗,解决数据传输带宽限制,节省数据存储内存,提高肌电信号检测的准确性和实用性等具有十分重要的意义。本文针对表面肌电信号处理时间长和存储信息量大的问题,研究了基于压缩感知的肌电信号采集与重构。主要工作如下:1.基于压缩感知的肌电信号重构算法设计分析表面肌电信号在各正交基上的稀疏性,设计测量矩阵的数字模型;对单通道肌电信号重构进行研究,并进行测量数和稀疏度对重构成功率的影响分析;同时对多通道肌电信号联合重构进行研究,结合多通道联合稀疏模型,提出了多通道子空间追踪算法,从而进一步减少观测数量,提高重构精度。2.基于改进K-奇异值分解（K-singular value decomposition,KSVD）算法的肌电信号活动段重构方法在压缩感知测量域上直接检测肌电信号活动段,根据压缩感知观测序列的特征,利用样本熵算法确定其活动段进而重构肌电信号活动段;设计并改进了肌电信号的KSVD自适应字典学习算法,使训练过的字典更能体现肌电信号的整体特征,从而进一步提高了表面肌电信号的重构速度和精度。3.肌电信号压缩重构半实物仿真系统设计利用肌电传感器和Quanser系统及Simulink工具共同搭建一个肌电信号的实时压缩采样和重构的半实物仿真系统,并对该系统进行了重构精度和计算复杂度的性能评价;利用粒子群优化的高性能GK-SVM分别对重构前后的肌电信号的平地走、上楼梯和下楼梯三种步态模式进行识别,分析不同压缩比下的重构数据对步态识别率的影响,进一步验证重构肌电信号的有效性与实用性。